ИИ-системы, встроенные в реальные бизнес-процессы
Разбираем процесс, определяем, где действительно нужен ИИ, проектируем логику и создаём систему, которая работает с данными, использует контекст, подключается к API и оставляет человеку контроль там, где он необходим.
Если задачу надёжнее решить обычным кодом, API или классической автоматизацией — не будем добавлять ИИ ради моды.
С какой проблемой можно прийти
Не обязательно знать, какой агент, модель или технология вам нужна. Начать можно с самого процесса и проблемы.
Слишком много информации
Источников много, человек не успевает всё читать, сопоставлять и отслеживать. ИИ-система может собирать поток, фильтровать его, классифицировать, объединять повторяющиеся события, выделять важное и готовить структурированный результат.
Слишком много повторяющейся интеллектуальной работы
Сотрудники снова и снова читают обращения, документы или данные, извлекают однотипную информацию, готовят черновики, распределяют задачи и выполняют одинаковые проверки. Часть такой цепочки можно автоматизировать.
Решение требует собрать большой контекст
Иногда человеку приходится вручную собирать информацию из нескольких источников, проверять условия и только после этого принимать решение. ИИ может подготовить контекст, варианты и рекомендации, оставив итоговое решение человеку.
Есть идея собственного ИИ-продукта
Если ИИ должен быть не отдельной функцией, а частью нового продукта, можем пройти путь от задачи и пользовательского сценария до архитектуры, MVP, интеграций и работающей программной системы.
ИИ — часть системы, а не отдельное окно чата
Полезный ИИ-компонент должен получать нужный контекст, работать в рамках правил, взаимодействовать с программными инструментами и оставлять наблюдаемый результат.
Источники данных
Документы, сообщения, базы данных, внешние API, сайты, внутренние системы и другие разрешённые источники.
Контекст
Система передаёт модели только ту информацию, которая необходима для конкретной задачи.
ИИ-модель
Модель анализирует информацию, извлекает смысл, классифицирует, формирует структурированный результат или предлагает следующий шаг.
Инструменты и API
При необходимости система может читать или изменять данные и запускать действия через строго определённые программные интерфейсы.
Контроль человека
Действия с высокой ценой ошибки можно выполнять только после подтверждения сотрудником.
Наблюдаемость
Запросы, решения, действия, ошибки и ключевые результаты должны быть доступны для анализа и улучшения системы.
Сначала процесс. Потом ИИ.
Автоматизировать плохой процесс с помощью более дорогой технологии — плохая автоматизация.
Разбираем процесс
Кто и что делает сейчас, какие данные использует, где тратится время, где возникают задержки, ошибки и повторяющаяся работа.
Определяем роль ИИ
Разделяем задачи, которые лучше решаются обычным кодом, правилами и API, и задачи, где действительно полезна работа модели с неструктурированной информацией и контекстом.
Проектируем новый сценарий процесса
Определяем, что выполняется автоматически, что делает ИИ, какие инструменты он может использовать и какие решения остаются человеку.
Определяем критерии результата
До разработки фиксируем, что именно должно улучшиться: время обработки, объём ручной работы, качество классификации, скорость поиска информации или другой измеримый показатель.
Не автоматизируем весь бизнес первым релизом
Если задача новая, разумнее выбрать один ограниченный процесс, проверить гипотезу на реальных данных и только после этого расширять систему.
Пилот должен проверять бизнес-гипотезу, а не просто демонстрировать, что модель умеет отвечать на вопросы.
ИИ может не только отвечать, но и запускать следующий шаг процесса
Там, где это оправдано, модель может работать как один из компонентов программной логики и взаимодействовать с внешними системами через API.
Получить данные
Запросить разрешённую информацию из внутренней системы или внешнего API.
Классифицировать событие
Определить тип обращения, документа, сообщения или ситуации и выбрать дальнейший сценарий.
Подготовить результат
Создать структурированную сводку, проект ответа, набор параметров или другой результат для следующего этапа.
Создать действие
Передать задачу в систему, обновить статус, сформировать запись или вызвать разрешённую API-операцию.
Запросить подтверждение
Перед потенциально критическим действием передать контекст сотруднику и дождаться решения.
Продолжить сценарий
После результата одного этапа автоматически запустить следующий предусмотренный системой шаг.
ИИ без ограничений — не рабочая система
Чем больше система может делать самостоятельно, тем важнее заранее определить границы её полномочий и поведение при ошибках.
Ограниченные права
Компонент получает только те данные и инструменты, которые нужны для его задачи.
Проверка результата
Структурированные ответы и важные параметры можно валидировать программно до дальнейшего использования.
Контроль человека
Критические, дорогие или необратимые действия могут требовать подтверждения человека.
Логи и трассировка
Должна сохраняться возможность понять, что система получила, какое решение сформировала и какое действие выполнила.
Резервные сценарии
Если модель, API или источник данных недоступны, система должна переходить в понятное безопасное состояние.
Контроль качества
После запуска анализируются реальные результаты, ошибки и слабые сценарии, а сценарии и инструкции корректируются.
Иногда лучший ИИ-проект — тот, который мы не стали делать
Если задача полностью описывается однозначными правилами, обычный алгоритм часто будет дешевле, быстрее, предсказуемее и проще в эксплуатации.
Данные, доступы и модели проектируются вместе с системой
До разработки определяем, какие данные разрешено передавать ИИ-модели, какие должны оставаться внутри инфраструктуры заказчика и какие внешние сервисы могут участвовать в процессе.
Доступ к данным
Используем только необходимые для задачи источники и согласованные права доступа.
Внешние модели
Если используются сторонние провайдеры ИИ-моделей, архитектура должна учитывать, какие данные допустимо им передавать.
Секреты и ключи
API-ключи, учётные данные и другие технические секреты не должны становиться частью пользовательских промптов или открытого контекста модели.
Конфиденциальность проекта
Внутренние документы, бизнес-процессы и данные заказчика не публикуются и не используются как публичные кейсы без согласования.
Как запускаем ИИ-систему
Разбираем задачу
Изучаем существующий процесс, данные, участников, ограничения и нужный результат.
Проектируем сценарий
Определяем роль ИИ, обычного кода, внешних API и человека в общей логике системы.
Проверяем гипотезу
Делаем ограниченный прототип или MVP и тестируем его на реальных сценариях и данных.
Интегрируем
Связываем решение с необходимыми системами, добавляем права, проверки, логирование и контроль действий.
Запускаем и улучшаем
Смотрим на реальные результаты, исправляем слабые сценарии и расширяем автоматизацию там, где она доказала пользу.
Есть процесс, который хочется ускорить или убрать из ручной работы?
Опишите, как он работает сейчас: кто участвует, какие данные используются, что приходится делать вручную и где возникает основная проблема. Мы сначала разберёмся, нужен ли здесь ИИ вообще, а уже потом предложим техническое решение.